線形代数学 I (Linear Algebra I)

担当　平場　誠示

平成 22 年 4 月 14 日～ (水 2 限 10:40-12:10 実施)

通年科目

教科書　「基礎課程線形代数」吉野 雄二著（サイエンス社）

前期　 1 章, 2 章, 3 章, 中間試験, 4 章, 5 章, 前期試験

後期　 6 章, 7 章, 中間試験, 8 章, 9 章, 後期試験

目 次

0 導入 (Introduction) 1

1 数ベクトル空間 (Numerical vector spaces) 1

1.1 集合, 写像, 関数 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

1.2 n 次元実ベクトル空間, 一次独立, 実ベクトルの内積 . . . . . . . . . . . . . . . . . 2

1.3 空間ベクトルの外積 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

1.4 一般の体上の数ベクトル空間 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

2 行列 (Matrix) 6

2.1 行列の定義，行列の積 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

2.2 いろいろな行列，転置行列，行列のトレース . . . . . . . . . . . . . . . . . . . . . 7

2.3 線形写像としての行列 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

2.4 逆行列 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

3 平面・空間の線形変換 (Linear transforms on the plane or the space) 9

3.1 2 次行列の逆行列，平面上の回転と鏡映 . . . . . . . . . . . . . . . . . . . . . . . . 9

3.2 直交行列 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

3.3 3 次の逆行列, 複素平面 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

4 行列式の定義 (Definition of determinant) 12

4.1 一般の行列の行列式と逆行列 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

4.2 行列式の定義 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

5 行列式の性質 (Properties of determinant) 14

5.1 行列式の一般的性質，転置行列の行列式, 積の行列式 . . . . . . . . . . . . . . . . 14

5.2 余因子展開 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

5.3 逆行列，いろいろな行列式の計算 . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

5.4 置換 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

1

6 掃き出し法 (Sweeping out method) 19

6.1 連立一次方程式の計算，逆行列の計算 . . . . . . . . . . . . . . . . . . . . . . . . . 19

6.2 行列のランクの計算，基本行列 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

0 導入 (Introduction)

高校では, 2 次元, 3 次元のベクトル (平面ベクトル・空間ベクトル) と, 行列については, 主に, 2

次の行列について学んできたと思う.

　平面上のベクトル, 空間内のベクトル, 内積, 行列, その演算 (和・差・定数倍・積),

　ハミルトン・ケーリーの公式, 逆行列, 連立一次方程式, 一次変換 (合成・逆変換, 回転移動)

大学では, これらを, 2 次元, 3 次元から n 次元まで一般化し, さらに 行列についてもより深く勉

強していく. その際, 次のような事柄も追加される.

　ベクトル空間, 外積, 線形写像, 転置行列, 直交行列, 行列式, 余因子展開,

例えば, ベクトル空間とは一般の集合 V に対し, 次のように定義される. ここで「∀a ∈ V , 」とは

「V の任意の元 a に対して」で, 「∃a′ ∈ V ;～」 は「ある V の元 a′ が存在して～をみたす」と

解釈する.

定義 0.1 K = R,C (場合によっては K = Q).

集合 V がK ベクトル空間, もしくは 抽象 K ベクトル空間 def⇐⇒ 和と定数倍が定義され, それ

らについて普通の計算ができる, 即ち, ∀a, b ∈ V , ∀α ∈ K, a+ b ∈ V , αa ∈ V ;

(和の結合則)　 ∀a, b, c ∈ V , (a+ b) + c = a+ (b+ c).

(和の可換性)　 ∀a, b ∈ V , a+ b = b+ a.

(零元の存在)　 ∃0 ∈ V ; ∀a ∈ V,a+ 0 = 0+ a = a.

(マイナスの存在)　 ∀a ∈ V, ∃a′ ∈ V ; a+ a′ = a′ + a = 0. この a′ = −a と表す.

(1 によるスカラー倍)　 ∀a ∈ V, 1 · a = a.

(スカラー倍の結合則)　 ∀a ∈ V, ∀α, β ∈ K, α(βa) = (αβ)a.

(分配則)　 ∀a, b ∈ V, ∀α, β ∈ K, α(a+ b) = αa+ αv, (α+ β)a = αa+ βa.

このとき, V の元をベクトル (vector), K の元をスカラー (scalar) という.

しかし, 成分が全て, 数である「数ベクトル空間」については, もっと簡単に定義ができる.

1 数ベクトル空間 (Numerical vector spaces)

1.1 集合, 写像, 関数

・あるものの集まりを集合 (set) といい, その中の 1 つ 1 つを, 要素, 元 (element) という. ま

た集合の中の一部分を部分集合 (subset) という. a が集合 A の元である def⇐⇒ a ∈ A.

　 A ⊂ X: A が集合 X の部分集合 def⇐⇒ ∀a ∈ A, a ∈ X ⇐⇒ [a ∈ A ⇒ a ∈ X].

またこれと同じ意味だが, X ⊃ A と書くと, X は A を含むという.

[数の集合]

• N = {1, 2, . . . }: 自然数 (natural numbers).

• Z = {0,±1,±2, . . . } = (±N) ∪ {0}: 整数 (integers) (独: Ganz Zahlen の Z).

• Q = {m/n;m ∈ Z, n ∈ N}: 有理数 (rational numbers) 有限小数 or 循環無限小数 (本当

は有比数と訳すはずだったらしい).

1

• また有理数ではないが, π や√2,√3 等のように, 兎に角, 存在する数：循環しない無限小数

を無理数 (irrational numbers)という. その全体を特に表す記号は無いが Qc = R \Q と表すことが多い. (有理数でない実数ということだが, これは定義ではないことに注意.)

• R: 有理数と無理数を合わせた全体を実数 (real numbers) という.

• C = R + iR = {z = x + iy;x, y ∈ R}: 複素数 (complex numbers). (i =√−1 は虚数単

位; i2 = −1).

四則演算について閉じているものを 「体 (fields)」 といい, 有理数体 Q, 実数体 R, 複素数体C がそうである.

以下は, 講義では適宜, 必要になったときに述べるので, ここでは飛ばしてもらって良い.

• 写像 (mapping) f : X → Y とは, ある集合 X の各元 1 つずつに対し, ある集合 Y の元が

1 つずつだけ対応するものをいう. このとき, X を定義域 (domain), Y を値域 (range) と

いう.

[注] Y の元が 2つ対応したり,対応するものがない場合は写像とはいわない. また f(X) ⊂ Y

に注意.

• 関数 (function)とは数の集合に値をとる写像, i.e.,値域が Cの部分集合である写像; Y ⊂ C.

• 写像 f : X → Y が

単射 (injection) or 1 対 1 (1-1, one to one)

　 def⇐⇒ [f(x) = f(y) =⇒ x = y] ⇐⇒ [x = y =⇒ f(x) = f(y)]

全射 (surjection) or 上への写像 (onto)

　 def⇐⇒ Y ⊂ f(X), i.e., Y = f(X) ⇐⇒ ∀y ∈ Y, ∃x ∈ X; y = f(x).

また単射かつ全射のとき, 全単射 (bijection, 1-1 onto)といい, このとき, 逆の対応も写像

となり, これを逆写像 (inverse mapping) といい, f−1 : Y → X と表す (エフ・インバー

スと読む).

さらに A ⊂ X に対し, 写像 f : X → Y を A に制限したものを f |A : A → Y と表し, f の

A への制限写像という.

1.2 n 次元実ベクトル空間, 一次独立, 実ベクトルの内積

[n 次元実ベクトル空間]

n ∈ N, a1, a2, . . . , an ∈ R に対し,

a = t(a1, a2, . . . , an) =

a1

a2...

an

∈ Rn.

ここで t(∗) は転置を表し, 横に並べたものを縦に変えたもの, またはその逆を表す.

今後, 縦に書くとスペースを使うので, 特に必要のない限りは, この転置を用いて, 横に並べて表

すことにする.

2

定義 1.1 Rn が (R 上の) n 次元実ベクトル空間 (real vector space)def⇐⇒ 次のように和と定

数倍が定義されるときをいう. a = t(a1, a2, . . . , an), b = t(b1, b2, . . . , bn) ∈ Rn, c ∈ R に対し,

a+ b = t(a1 + b1, a2 + b2, . . . , an + bn), ca = t(ca1, ca2, . . . , can).

ここで, 定数 c のことをスカラー (scalar)といい, 定数倍のことをスカラー倍という.

このとき, 元 a ∈ Rn のことを, (R 上の) n 次元実ベクトル (real vector) という. 単に,

数ベクトルということもある. 特に 0 = t(0, 0, . . . , 0) は零ベクトル, e1 = t(1, 0, . . . , 0), e2 =t(0, 1, 0, . . . , 0), . . . , en = t(0, . . . , 1, 0) は n 次元基本ベクトルと呼ばれる.

数ベクトル a, b, c とスカラー x, y に対し, 明らかに次が成り立つ.

(a+b)+c = a+(b+c),　a+b = b+a,　 (xy)a = x(ya),　x(a+b) = xa+xb, (x+y)a = xa+ya.

順に和の結合則, 和の交換則, スカラー倍の結合則, 最後の 2 つは分配則という. これから, Rn が

一番初めに定義した意味での R ベクトル空間であることが分かる (確認せよ).

注意 1.1 　教科書では, R 上の n 次元数ベクトルを定義してから, 数ベクトル空間 Rn を定義しているが, 厳密にはおかしい。あくまで, 「ベクトル」と言ったときには, その全体に和とスカラー倍が定義されているのが前提となる. また数ベクトル空間と言っているのは, 他に複素ベクトル空間や有理数ベクトル空間が定義できるからだが, それらをまとめて呼ぶとき, または, それらのうちのどれかを指すときに使うのが適当である.また, スカラー倍の c を c ∈ Q に変えて, Q 上の n 次元実ベクトル空間 Rn も定義されるが, 単に 「n 次

元実ベクトル空間」 or 「ベクトル空間 Rn」と言ったときには, R 上の n 次元実ベクトル空間 Rn を指す.さらに教科書では, ベクトルや行列を表すのに, 閉じ括弧 [∗] を用いているが, 普通は丸括弧 (∗) を用いる.

（点の座標や内積を丸括弧で表すので区別するためと思われる.）教科書には（私からみて）あまり適当とは思えない定義や表現などが, いくつか見受けられる.

[一次独立性]

数学を勉強するには, 色々な問題を解くのが近道である.

例題 1.1 2 つの空間ベクトル a, b ∈ R3 が平面を張る ⇐⇒ a, b は一次独立. これを証明せよ.

しかし, 問題を解くためには, まず, 言葉の定義を知らなければ話にならない.

定義 1.2 m 個のベクトル a1,a2, . . . ,am の一次結合 (linear combination) とは, スカラー

c1, c2, . . . , cm に対し,

m∑i=1

ciai = c1a1 + c2a2 + · · ·+ cnan をいう. また a1,a2, . . . ,am が一次独

立 (linear independent)def⇐⇒ 「

m∑i=1

ciai = 0 =⇒ ci = 0 (i = 1, 2, . . . ,m)」さらに一次独立で

ないときは一次従属 (linear dependent) であるという.

問 1.1 一次独立の否定命題を述べよ. 即ち, ベクトル a1,a2, . . . ,am が一次従属def⇐⇒ ?

例えば, 1 つのベクトル a は a = 0 なら一次従属, a = 0 なら一次独立 (ただこの概念はベクト

ルが 1 つのときには意味が無く, 本質的には 2 つ以上で意味を持つ). 2 つのベクトルについては,

それらが平面を張るときには一次独立となる.

（例題 1.1 の解）　 (⇒) xa + yb = 0 として, もし x = 0 なら, a = −(y/x)b. y = 0 なら,

b = −(x/y)a. いずれも a, b は同じ直線上にあることになり矛盾. (⇐) もし, a, b が平面を張らな

いとすると, 同じ直線上にあることになり, ∃c1;a = c1b or ∃c2; b = c2a. いずれも仮定に反するの

で, 結局, a, b は平面を張る.

3

例題 1.2 a = t(1, 1, 1), b = t(1, 2, 3), c = t(−1, 0, 1) について, a, b は一次独立だが, a, b, c は一

次従属であることを示せ.

（解）a, b は明らかに同一直線上にないので, 平面を張る. 従って, 上の例題から一次独立. ま

た, xa + yb + zc = 0 とすると, x + y − z = 0, x + 2y = 0, x + 3y + z = 0 で, これを解くと,

x = −2y, z = x+ y = −y で, y は任意となり, 一次従属.

例題 1.3 空間内のベクトル a, b, c が一次従属 ⇐⇒ この 3 つのベクトルが同一平面上にある. こ

のことを示せ.

（解）xa+ yb+ zc = 0 で, もし x = 0 なら, a = −(y/x)b− (z/x)c で, a は b, c の張る平面

上にある. 他も同様. 逆に, 同一平面上にあれば, a = yb+ zc or b = zc+ xa or c = xa+ yb と表

せるので, 一次従属.

[実ベクトルの内積]

2つの実ベクトルa = t(a1, a2, . . . , an), b = t(b1, b2, . . . , bn) ∈ Rnについて,標準内積 (standard

inner product) (a, b) を

(a, b) =n∑

i=1

aibi = a1b1 + a2b2 + · · ·+ anbn

と定義する. このとき明らかに次の性質を満たす.

補題 1.1 a, b, c ∈ Rn と x, y ∈ R に対し,

(双線形性)

{(xa+ yb, c) = x(a, c) + y(b, c)

(a, xb+ yc) = x(a, b) + y(a, c)

(対称性) (a, b) = (b,a)

(正値性) (a,a) ≥ 0 等号成立は a = 0 のときに限る.

このとき |a| =√(a,a) を a の長さという. また (a, b) = 0 のとき, a, b は直交するという.

問 1.2 |a± b|2 = |a|2 ± 2(a, b) + |b|2 を示せ.

この問から次の例題がすぐ分かる.

例題 1.4 次の等式を示せ.

　 (1) (a, b) =1

2

(|a|2 + |b|2 − |a− b|2

)　 (2) |a+ b|2 + |a− b|2 = 2(|a|2 + |b|2) (中線定理)

補題 1.2 2 つのベクトル a, b のなす角を θ とすると (a, b) = |a||b| cos θ.

（証明）余弦定理から |a− b|2 = |a|2 + |b|2 − 2|a||b| cos θ で, 上の問 1.2 から明らか.

問 1.3 余弦定理を示せ. 三平方の定理についても示せ.

補題 1.3 次が成り立つ.

　 (1) (シュヴァルツの不等式 (Schwartz’s inequality)) |(a, b)| ≤ |a||b|.　 (2) (三角不等式 (triangle inequality)) |a+ b| ≤ |a|+ |b|.

4

（証明）(1) 上の補題から明らかで, (2) は 2 乗して展開すれば, (1) から明らか.

補題 1.4 Rn の 0 でないベクトル a1,a2, . . . ,ar のどの 2 つのベクトルも互いに直交するとき,

a1,a2, . . . ,ar は一次独立となる.

（証明）c1a1 + c2a2 + · · · + crar = 0 とする. ai との内積をとれば, 0 = ci(ai,ai) = ci|ai|2.ai = 0 より, ci = 0.

1.3 空間ベクトルの外積

3 次元の空間では, 内積の他に外積という概念が定義できる.

定義 1.3 a = t(a1, a2, a3), b = t(b1, b2, b3) に対し,

a× b = t(a2b3 − a3b2, a3b1 − a1b3, a1b2 − a2b1) =

∣∣∣∣∣∣∣e1 e2 e3

a1 a2 a3

b1 b2 b3

∣∣∣∣∣∣∣と定義し, a と b の外積 (cross product) またはベクトル積 (vector product)という. (最後

の式は後で定義する行列式による形式的表現.)

[注]　どうもここでいう外積は本来なら, クロス積と呼ぶべきで,「外積」を調べると, exterior product と

いう概念が別にあり, 3 次元のときはクロス積と同じである. また他に outer product という概念もある.

この外積 a× b は実は, 向きが a から b へネジを回したときに進む方向で, 大きさが a, b でで

きる平行四辺形の面積に等しいものとしても定義できる.

補題 1.5 a, b, c ∈ R3 と x, y ∈ R に対し,

(双線形性)

{(xa+ yb)× c = x(a× c) + y(b× c)

a× (xb+ yc) = x(a× b) + y(a× c)

(歪対称性) a× b = −(b× a), および a× a = 0.

(直交性) (a× b,a) = (a× b, b) = 0.

（証明）双線形性と歪対称性は定義式から明らか. 最後の直交性も計算すれば明らかで, (a×b,a) =

(a2b3 − a3b2)a1 + (a3b1 − a1b3)a2 + (a1b2 − a2b1)a3 = 0. (a × b, b) も同様だが, (a × b, b) =

−(b× a, b) = 0.

例題 1.5 空間ベクトル a, b に対し, |a× b|2 = |a|2|b|2 − (a, b)2 となることを示せ.

計算すれば明らかで, これから a× b の大きさが, a, b でできる平行四辺形の面積であることが

分る.

問 1.4 a, b でできる平行四辺形の面積が√

|a|2|b|2 − (a, b)2 で与えられることを示せ.

例題 1.6 空間ベクトル a, b に対し, [a, b が一次従属 ⇐⇒ a× b = 0] を示せ.

a, b が一次従属 ⇐⇒ ∃x ∈ R;a = xb or ∃y ∈ R; b = ya （これは a = 0 or b = 0 のときも含

むことに注意）で, 上の例題と (a, b) = |a||b| cos θ から明らか.

5

1.4 一般の体上の数ベクトル空間

R 上の実ベクトル空間と同じように, 複素数体 C または有理数体 Q 上の数ベクトル空間を考えることができる.

K = Q,R,C として, それを成分とする n 次元数ベクトル空間 Kn を同様に定義し, その元

a ∈ Kn を (K 上の) n 次元数ベクトルという. (正確には K = Q,R,C に応じて, 有理ベクトル,

実ベクトル, 複素ベクトルという.)

さらに Cn ではスカラー倍の元をK = Q,R,C として K 上のベクトル空間として定義でき, Rn

ではK = Q,R として定義できる (勿論, Qn では K = Q のみである). このとき K のことを係数

空間という (ただ, 普通, 単にベクトル空間 Cn と言ったときには, スカラーは複素数で, ベクトル

空間 Rn なら実数で, ベクトル空間 Qn なら有理数である).

例題 1.7 C3 において, 次の 3 次元複素ベクトルが一次独立かどうか判定せよ.

a = t(1, 1, 1), b = t(1,−i, 3), c = t(−1, 0, 1)

2 行列 (Matrix)

2.1 行列の定義，行列の積

定義 2.1 m,n を自然数として, 縦に m 個, 横に n 個の m× n のマス目状に数字を並べたものを

行列 (matrix)という. 正確には m× n 行列という.

一般的に次のように表される.

A = (aij) = (aij)1≤i≤m,1≤j≤n =

a11 a12 · · · a1n

a21 a22 · · · a2n...

.... . .

...

an1 an2 · · · abn

同じサイズの行列 A = (aij), B = (bij) に対し, A = B

def⇐⇒ ∀i, j, aij = bij と定義する.

また和とスカラー c 倍を次で定義する.

(aij) + (bij) = (aij + bij), c(aij) = (caij)

また, 行列 A の (i, j) 成分を (A)ij と表すこともある, i.e., (A)ij = aij .

定義 2.2 m× n 行列 A = (aij) と n× r 行列 B = (bij) に対し, 積 AB = (cij) を

cij =n∑

k=1

aikbkj = ai1b1j + ai2b2j + · · ·+ ainbnj

と定義. このとき AB は m× r 行列.

有限個の和については順序交換がいつでもできるので,

m∑i=1

n∑j=1

=

n∑j=1

m∑i=1

=∑

i,j;1≤i≤m,1≤j≤n

=∑i,j

　と表すこともある.

6

定理 2.1 m× n 行列 A と n× r 行列 B,C, スカラー c に対し, 次が成り立つ.

(1) A(cB) = c(AB)　 (2) A(B + C) = AB +AC 　 (3) (A+B)C = AB +BC.

（証明）成分で表し, 積の定義を用いれば明らか. 実際, (i, j) 成分は (1)∑

k aik(cbkj) =

c∑

k aikbkj , (2)∑

k aik(bkj + ckj) =∑

k aikbkj +∑

k aikckj , (3) も同様.

定理 2.2 m× n 行列 A と n× r 行列 B, r × s 行列 C について, 次の結合法則が成り立つ.

(AB)C = A(BC)　従って,これを ABC と表す.

（証明）∑

ℓ(∑

k aikbkℓ)cℓj =∑

k aik(∑

ℓ bkℓcℓj).

2.2 いろいろな行列，転置行列，行列のトレース

[零行列] O = Omn: 全ての成分が 0 である m× n 行列.

[正方行列]　 n× n 行列を (n 次) 正方行列, または, 単に, n 次行列という.

[単位行列] E = En: n 次行列で, 対角成分だけが 1 で, 他が 0 であるような行列; (n 次) 単位

行列 (unit matrix) という. またクロネッカーのデルタ δij = 1 (i = j), = 0 (i = j) を用いると

E = (δij) と表される. 明らかに n 次行列 A に対し, AE = EA = A をみたす.

[行列単位] Eij : n 次行列で, (i, j) 成分だけが 1 で, 他が 0 であるような行列. (n 次) 行列単位

という. これの (k, l) 成分は δkiδjl と表される. また n 行列 A = (aij) に対し, A =∑i,j

aijEij と

表される. 同様に E =∑

i,j δijEij .

問 2.1 EijEkl = δjkEil となることを示せ.

（解）　 Eij の (s, t) 成分: δsiδjt, Ekl の (t, u) 成分: δtkδlu より, 左辺の (s, u) 成分:

(EijEkl)su =∑t

(δsiδjt)(δtkδlu) =∑t

δsi(δjtδtk)δlu

ここで, 真ん中の δjtδtk は j = k のときは t = j なら 1 となり, j = k のときは t が何であろうと

0 になる. 即ち, δjtδtk = δjk. 従って (EijEkl)su = δsiδjkδlu = δjk(δsiδlu) = δjk(Eil)su.

定義 2.3 m × n 行列 A = (aij) に対し, 列と行を入れ換えた行列, 即ち, (i, j) 成分が aji であ

る行列を tA と表し, A の転置行列 (transposed matrix) という. (つまり, tA の (i, j) 成分

(tA)ij = aji.)

定理 2.3 m× n 行列 A = (aij) と n× r 行列 B = (bij) に対し, t(AB) = tB tA.

（証明）(AB)ij =∑

k aikbkj であるから,t(AB)ij =

∑k ajkbki =

∑k bkiajk =

∑k(

tB)ik(tA)kj = (tB tA)ij .

n 次行列 A の対角和 (trace): tr A =n∑

i=1

aii = a11 + a22 + · · ·+ ann. このとき 2 つの n 次行

列 A,B に対し, tr (AB) = tr (BA) が成り立つ. 実際,∑

i(∑

k aikbki) =∑

i(∑

k bkiaik).

[注]　 3つの n次行列 A,B,C に対しては, tr (ABC) = tr (BCA) = tr (CAB)だが, tr (ACB)

とは一般に等しいとは限らない.

問 2.2 tr (ABC) = tr (ACB) となる行列の例を挙げて, 確かめよ.

7

2.3 線形写像としての行列

ここでは K = R,C とする. 即ち, Kn を実ベクトル空間, または複素ベクトル空間とする.

定義 2.4 写像 f : Kn → Km が線形写像 (linear mapping)def⇐⇒ ∀a, b ∈ Kn, ∀x ∈ K,

(1) f(a+ b) = f(a) + f(b)　 (2) f(xa) = xf(a).

特に m = n のときは線形写像 f : Kn → Kn を Kn 上の線形変換 (linear transform) という.

例 2.1 m× n 行列 A に対し, fA(a) = Aa (a ∈ Kn) と定義すると, fA : Kn → Km は線形写像

となる. これを行列 A によって定義される線形写像という.

実はこの逆が成立する.

定理 2.4 写像 f : Kn → Km が線形写像ならば, ∃A: m× n 行列; f = fA.

（証明）Kn の基本ベクトル e1, . . . , en を用いて, 各 1 ≤ j ≤ n に対し, aj = f(ej) とし

て, A = (a1, . . . ,an) とおけば良い. 実際, ∀x ∈ Kn,x =∑

xjej より, f(x) =∑

xjf(ej) =∑xjaj = (a1, . . . ,an)x = Ax.

定理 2.5 r×m行列 Aとm×n行列 B によって定まる線形写像 fA : Km → Kr と fB : Kn → Km

に対し, 合成写像は fA ◦ fB = fAB をみたす.

（証明）(fA ◦ fB)(x) = fA(fB(x)) = A(Bx) = (AB)x = fAB(x).

2.4 逆行列

定義 2.5 n 次行列 A に対し, AX = XA = E をみたす n 次行列 X が存在するとき, この X

を A の逆行列 (inverse matrix) といい, A−1 と表す. またこのとき A は正則行列 (regular

matrix) であるという.

実は, 後に示すが, AX = E or XA = E の一方の条件のみ満たせば十分であることがいえ

る (→ 例題 5.2). この逆行列は存在すれば唯一つである. 実際, X ′ も同じ条件をみたすなら,

X ′ = X ′E = X ′(AX) = (X ′A)X = EX = X となる.

例題 2.1 n 次正則行列 A,B に対し, (AB)−1 = B−1A−1 となることを示せ.

（解）実際, (AB)(B−1A−1) = A(BB−1)A−1 = AEA−1 = AA−1 = E. 同様にすれば,

(B−1A−1)(AB) = E.

8

3 平面・空間の線形変換 (Linear transforms on the plane or

the space)

3.1 2 次行列の逆行列，平面上の回転と鏡映

A =

(a b

c d

)に対し, A = Cof(A) =

(d −b

−c a

)を A の余因子行列 (cofactor matrix)

という. また detA = ad− bc とおき, A の行列式 (determinant) という. これにより,

AA = AA = E, i.e., ACof(A) = Cof(A)A = (detA)E

となり, 次が成り立つ.

定理 3.1 2 次行列 A に対し, A が正則 ⇐⇒ detA = 0. このとき A−1 =A

detA=

Cof(A)

detA.

（証明）もし detA = 0 なら, AA = AA = (detA)E をそれで割れば, 定義から正則で, 逆行列

の一意性から A−1 = A/(detA) も得る. 逆に A が正則のとき, A−1 を AA = (detA)E に右から

かけて A = (detA)A−1. もし detA = 0 とすると, A = O で, 定義から, A = O となってしまい,

矛盾する.

[原点中心の回転と原点を通る直線についての鏡映]

定理 3.2 平面ベクトル a を θ だけ正の方向へ (反時計回りに) 回転させる写像を rθ(a) とす

ると, これは線形写像で, 従って対応する 2 次行列 Rθ が存在する; rθ(a) = Rθa. このとき

Rθ =

(cos θ − sin θ

sin θ cos θ

). また明らかに R−1

θ = R−θ.

ベクトル a をある原点を通る直線 ℓ に関して対称に移動したもの (鏡映)を tℓ(a) とおくと, こ

れも線形写像となる. 対応する行列を Tℓ とすると, tℓ(a) = Tℓa で, 直線 ℓ と x 軸のなす角が τ の

とき, Tℓ =

(cos 2τ sin 2τ

sin 2τ − cos 2τ

).

（証明）線形写像なることは, 図を描いて考えれば明らかであるから, Rθ, Tℓ を求めれば良い.

まず Rθ =

(a b

c d

). とおくと, e1 =

(1

0

), e2 =

(0

1

)に対し, Rθe1 =

(a

c

), Rθe2 =

(b

d

), また

rθ(e1) = t(cos θ, sin θ), rθ(e2) = t(− sin θ, cos θ) となることから, 題意を得る. 同様に, Tℓ につ

いても e1 は 2τ 回転し, e2 は直線 ℓ との角が −(π/2 − τ) なので, その 2 倍回転することから,

tℓ(e1) =t(cos 2τ, sin 2τ), tℓ(e2) =

t(− sin(2τ − π), cos(2τ − π)) = t(sin 2τ,− cos 2τ) となり, 題意

を得る.

3.2 直交行列

定義 3.1 A が n 次直交行列 (orthogonal matrix)def⇐⇒ A は n 次実行列 で, AtA = tAA = E.

実は次の次の定理で述べるように, 2 次の直交行列は, 回転か鏡像のどちらかになる. 正確には,

行列式が 1 なら回転に, −1 なら鏡像となる.

n 次行列 A はそれぞれの列を n 次元実ベクトルとして A = (a1, . . . ,an) と表すことができる.

このとき, 積の定義より, 明らかに次が成り立つ.

9

n 次行列 A = (a1, . . . ,an) と B = (b1, . . . , bn) に対し,

tAB =

(a1, b1) · · · (a1, bn)

.... . .

...

(an, b1) · · · (an, bn)

.

定理 3.3 n 次行列 A = (a1, . . . ,an) が直交行列 ⇐⇒ a1, . . . ,an が長さ 1 の互いに直交するベ

クトル、, i.e., (ai,aj) = δij .

定理 3.4 A が 2 次の直交行列は, 行列式が 1 なら回転に, −1 なら鏡像となる.

（証明）A = (a, b) とおくと, a は大きさ 1 のベクトルなので, 適当な回転 −θ により, 基本ベ

クトル e1 に移るとして良い, i.e., R−θa = e1 ( ⇐⇒ a = Rθe1). また b も大きさ 1 で, a に直交

しているので, 同じ回転により, e2 か −e2 に移る. ここで, e2 に移るとき,

A = (Rθe1, Rθe2) = Rθ(e1, e2) = RθE = Rθ.

−e2 に移るなら, 同様にして

A = Rθ

(1 0

0 −1

)=

(cos θ sin θ

sin θ − cos θ

)

となり, x 軸とのなす角が θ/2 の原点を通る直線についての鏡像となる. また detA は明らかに回

転なら −1 で, 鏡像なら 1 となるので, 結局, 直交行列なら, 逆も成り立つことになる.

3.3 3 次の逆行列, 複素平面

[3 次行列の逆行列]ここでは, 教科書に従い, 3 次行列の行列式の定義と, その逆行列を（持つ場合に）与えるが, かなり強引と

いうか, 天下り的な感じがするので, 実際の講義では, さらっと流す. 普通は, 後で述べる, 一般の行列式と余因子行列を用いて, もっとすっきりした形で, 逆行列を求めることができる. （恐らく, 行列式を, 2 次元, 3 次元と与えて, 一般化したいという, 著者なりの工夫だとは思うのだが, 少し無理があるように思える.）

補題 3.1 3 つの空間ベクトル a, b, c に対し, (a× b, c) = (b× c,a) = (c× a, b). さらに a, b, c の中に等しいベクトルがあれば, この値は 0.

外積の定義式より明らか. また a = b なら a× b = 0 なので, 他も同様で, 最後の主張も明らか.

定義 3.2 3 次実行列 A = (a, b, c) に対し, 上の補題の等しい値を detA とおいて, A の行列式という. 即ち, A = (aij) とすると

detA = a11a22a33 + a12a23a31 + a13a21a32 − a11a23a32 − a12a21a33 − a13a22a31.

行列 A′ = t(b× c, c× a,a× b) を考える. A′A = t(b× c, c× a,a× b)(a, b, c) より,

A′A =

(b× c,a) (b× c, b) (b× c, c)(c× a,a) (c× a, b) (c× a, c)(a× b,a) (a× b, b) (a× b, c)

=

detA 0 00 detA 00 0 detA

= (detA)E.

そこで A の余因子行列を A = Cof(A) = A′ = t(b × c, c× a,a × b) とおくと, AA = (detA)E を満たす. 同様に AA = (detA)E も満たす.

定理 3.5 3 次行列 A に対し, A が正則 ⇐⇒ detA = 0. このとき A−1 =A

detA=

Cof(A)

detA.

10

（証明）detA = 0 なら, A が正則で, A−1 = A/(detA) なることは 2 次の時と全く同じである. 逆は, A

が正則なら, A−1 を AA = (detA)E に右からかけて A = (detA)A−1 で, もし detA = 0 とすると, A = Oで, 定義から, b× c = c× a = a× b = 0. このとき, それぞれのベクトルが一次従属となるので, [b = xa ora = x′b], [c = yb or b = y′c], [a = zc or c = z′a] となる. いずれの場合でも 1 つのベクトルで, 残りのベクトルが表せる. 例えば, b = xa, c = yb,a = zc なら b = xa, c = xya となり, A = (a, xa, xya). しかし,これは逆行列を持たないので矛盾. 実際, X = t(b1, b2, b3) として, もし

E = XA =

(b1,a) x(b1,a) xy(b1,a)(b2,a) x(b2,a) xy(b2,a)(b3,a) x(b3,a) xy(b3,a)

なら, 第 1 行目から, (b1,a) = 1 で, x = 0 となるが, これは明らかに 2 行, 3 行の結果に反する. 他の場合も同様である.

例題 3.1 3 次実行列 A = (a, b, c) に対し, 次は同値であることを示せ.　 (1) A は逆行列をもつ, i.e., ∃A−1. 　 (2) detA = 0　 (3) a, b, c は同一平面上にない. 　 (4) a, b, c は一次独立.

（解）(1) ⇐⇒ (2) は証明済みで, (3) ⇐⇒ (4) は容易なので, (2) ⇐⇒ (3) のみを示す. detA =(b× c,a) = (c×a, b) = (a× b, c) であったので, もし, detA = 0 とすると, (b× c,a) = 0 で, b× c は b, cに直交するベクトルで, a がそれと直交するということは, a が b, c で張られる平面上にあることになる. 逆に, もし a が b, c で張られる平面上にあれば, a = xb+ yc と表せて, detA = (b× c,a) = 0 となる. 他も同様.

[複素平面]複素数 z = x + iy ∈ C は虚数単位を i =

√−1; i2 = −1 として, x, y ∈ R によって定義される.

x = Re z, y = Im z と表し, それぞれ z の実部 (real part), 虚部 (imaginary part) という. これと R2

のベクトル t(x, y) を対応させることにより, C と R2 はベクトル空間として同一視できる.

補題 3.2 α = a+ib ∈ Cとして, C上で αをかけるという変換は,複素平面上の線形変換で,行列(

a −bb a

)が対応する.

（証明）fα(z) = αz が線形変換であることは明らか. α(1+0 · i) = α = a+ ib, α(0+1 · i) = iα = −b+ iaから, 対応するベクトル t(1, 0) が t(a, b) に, t(0, 1) が t(−b, a) に写ることから行列も分かる.

例題 3.2 実数全体 R と虚数単位 i を用いて構成した複素数全体 C が, 四則演算について何の矛盾も無く閉じていることを, 上の補題の関係を用いて, 実行列の世界で説明せよ.

[解]　まず複素数を α 倍するという変換 fα; fα(z) = αz に積を合成で定義することにより, 複素数の積が対応する, i.e., fβfα = fβ ◦ fα = fβα. 従って, α ∈ C と fα が 1 対 1 に対応する. さらに, 次の実行列の集合がベクトル空間 R2 において, 四則演算について閉じていることから容易に説明できる.

C =

{(a −bb a

); a, b ∈ R

}

大きさ 1の複素数 α = a+ibは a2+b2 = 1より, ∃θ; a = cos θ, b = sin θと表されるので, α = cos θ+i sin θをかけるのは Rθ が対応する. 従って RθRτ = Rθ+τ より,

(cos θ + i sin θ)(cos τ + i sin τ) = cos(θ + τ) + i sin(θ + τ).

さらに帰納的に次のドゥ・モアブルの等式 (de Moivre’s equation) が成り立つ.

(cos θ + i sin θ)n = cosnθ + i sinnθ.

前期中間試験

11

4 行列式の定義 (Definition of determinant)

4.1 一般の行列の行列式と逆行列

まず, 行列式とはそもそも何のためのものなのかということを, 簡単に説明してから, 定義を与

え, その性質について述べて行きたいと思う.

行列式 detA とは何かというと, 2 次, 3 次の行列で見たように, A が正則かどうかを判定するた

めの値と言える. もう少し, 正確には, A = Cof(A) として, 「AA = AA = (detA)E 」をみたす

ように定義できれば良いのである (勿論, 余因子行列 A = Cof(A) も定義されなくてはならないが,

後で述べるように, これは実は, 行列式を用いて定義される). ただ, これだけでは定数倍による違

いが出ないので, 「detE = 1 」という条件もつけておくことにする. これにより, 次の定理を得る

ことができる.

定理 4.1 一般の n次行列 Aに対し, Aが正則 ⇐⇒ detA = 0. このときA−1 = Cof(A)/(detA).

勿論, 上の条件だけで, detA が一意的 (unique) に決まるかという問題は残る. (もし detA が unique に決

まれば, 0でないときは, 逆行列は uniqueなので, Cof(A)も uniqueとなる. detA = 0なら AX = XA = O

なる X は X = O 以外にもあるのか? あれば, 少なくとも定数倍による違いはあるので, 当然, unique では

なくなる. では定数倍の違いを除けば unique になるのか？という問題がさらに残るが, これらについてはま

た後ほど.)

4.2 行列式の定義

一般の正方行列の行列式の定義を与えてしまおう.

定義 4.1 a1,a2, . . . ,an を n 個の n 次数ベクトルとする. これらに対して 1 つのスカラーを与

える関数 det(a1,a2, . . . ,an) が次の 4 つの性質を満たすときこれを正方行列 A = (a1,a2, . . . ,an)

の行列式といい, detA と表す. 但し, c はスカラーで, 1 ≤ i ≤ n として, a′i も n 次数ベクトル.

(1) det(a1, . . . , cai, . . . ,an) = cdet(a1, . . . ,ai,an) (次の (2) と合わせて 多重線形性という.)

(2) det(a1, . . . ,ai + a′i, . . . ,an) = det(a1, . . . ,ai, . . . ,an) + det(a1, . . . ,a

′i, . . . ,an).

(3) i = j =⇒ det(. . . ,ai, . . . ,aj , . . . ) = − det(. . . ,aj , . . . ,ai, . . . ),

つまり 2 つのベクトルを入れ換えると −1 倍になる. (交代性)

(4) det(e1, . . . , en) = 1.

[注]　 detA を |A| と表す場合もあるが, 解析などでは, 絶対値との区別がつきにくくなるので,

あまり使わない方が良い. しかし, 大きい行列の行列式を計算するときには便利なので, 分野的に

混同する恐れがない場合には逆に使った方が良い.

[2 次元, 3 次元の行列式]

このときは既に, 式で定義が与えられているので, 上の定義の性質はみたすのだが (各自確認せ

よ), 逆に, 上の定義だけから, 式が導けるかを見てみよう.

A = (aij)i,j≤n の行列式はそれぞれ, n = 2 のとき, detA = a11a22 − a12a21, n = 3 のとき,

detA = a11a22a33 + a12a23a31 + a13a21a32 − a11a23a32 − a12a21a33 − a13a22a31 であった.

12

補題 4.1 2 次元実ベクトル空間において, 関数 f(a1,a2) が行列式 det(a1,a2) となる ⇐⇒

(1) f(ca1,a2) = f(a1, ca2) = cf(a1,a2) ((2) と合わせて双線形性という.)

(2) f(a1 + a′1,a2) = f(a1,a2) + f(a′

1,a2). a2 についても同様.

(3) f(a2,a1) = −f(a1,a2). (交代性)

(4) f(e1, e2) = 1.

（証明）　まず, (3) から f(a,a) = 0 となることに注意しておく. なぜなら, 入れ換えるとマイ

ナスがつくが, 元と同じだからである. a1 = a11e1 + a21e2,a2 = a12e1 + a22e2 より, (1), (2) の

双線形性を 2 回使って, 最後に, 上で注意したことと (4) から,

f(a1,a2) = a11f(e1,a2) + a21f(e2,a2)

= (a11 + a12)f(e1,e1) + (a11 + a22)f(e1, e2) + (a21 + a12)f(e2, e1) + (a21 + a22)f(e2, e2)

= (a11 + a22)f(e1,e2) + (a21 + a12)f(e2, e1)

= a11a22 − a12a21.

補題 4.2 3次元実ベクトル空間において,関数 f(a1,a2,a3)が行列式 det(a1,a2,a3)となる ⇐⇒一般の行列式の定義で述べた 4 つの性質を f がみたす.

（証明）上と同様で, まず, 行列式の定義 det(a1,a2,a3) = (a2 ×a3,a1) = (a3 ×a1,a2) から 4

つの性質をみたすことは容易に示せる. 逆は, 上と全く同様. 但し, f(e1, e1, e3) = 0 のように同じ

ベクトルがあれば 0 ということを用いる. このとき ai = a1ie1 + a2ie2 + a3ie3 と多重線形性から,

f(a1,a2,a3) =∑

(j1,j2,j3)∼(1,2,3)

a1j1a2j2a3j3 det(ej1 , ej2 , ej3).

(j1, j2, j3) ∼ (1, 2, 3) は (j1, j2, j3) が (1, 2, 3) の並べ換えであることを意味する.

[n 次元の行列式]

一般の n 次行列 A に対しても, 行列式は, ベクトルの入れ換えで符合が変わるということから,

同じベクトルがあれば, 0 になるので, 上の証明と同じように多重線形性を用いて,

detA =∑

(j1,...,jn)∼(1,...,n)

a1j1 · · · anjn det(ej1 , . . . , ejn). (4.1)

ここで, (j1, . . . , jn) ∼ (1, . . . , n) は (j1, . . . , jn) が (1, . . . , n) の並べ換えであることを意味する. こ

の並べ換えを置換 (permutation)といい, それを σ =

(1 2 · · · n

j1 j2 · · · jn

)と表し, その全体

を Sn とする. またこのとき ji = σ(i) と表す. さらに, 式の最後の, ej1 , . . . , ejn を 2 つずつ入れ換

える互換を繰り返すことにより, e1, . . . , en に変えることができる. その互換の数を m とすれば,

det(ej1 , . . . , ejn) = (−1)m となり, この値を σ の符号 (signature)といい, sgn(σ) で表す. これ

により, 次の定理が得られる.

13

定理 4.2 n 次行列 A = (aij) に対し,

detA =∑σ∈Sn

sgn(σ)a1σ(1) · · · anσ(n)

上で, 置換が, 互換を繰り返すことにより, 元に戻せることは n について帰納的に証明できるが, その互換の仕方が幾通りもあり, その数も一定ではない. そこで, 「果たして置換の符号というものが一定に定まるのか？」という問題が生じる. 勿論, 実際には, 一定となるが, これについては, いずれ時間があれば, ということで, 興味のある人は自分で勉強してもらいたい.

問 4.1 n ≥ 2 のとき, 1 つの置換 σ ∈ Sn が, いくつかの互換によって元に戻せることを帰納法によって示せ.

ちなみに i と j を入れ換える互換は (i, j) と表し, (j, i) としても同じで, そのいくつかの組み合わせは, 例えば, (1, 3)(1, 2) と表して, 互換の積という. この例は, 1 と 3 を入れ換えてから, 1 と 2 を入れ換えるので,結局, (1, 2, 3) → (3, 1, 2) という置換と同じことになる.

5 行列式の性質 (Properties of determinant)

以下の証明では, 本当は行列式の置換の式を用いた方が, 式も説明も簡単になるのだが, ここで

は, できるだけ置換を用いずに, その前の式 (4.1) を用いて行う.

5.1 行列式の一般的性質，転置行列の行列式, 積の行列式

定理 5.1 n 次行列 A に対し, 次が成立する.

(1) ある列の成分が全て 0 なら detA = 0.

(2) 等しい列があれば, detA = 0.

(3) 他の列のスカラー倍を加えても行列式の値は変わらない.

さらに上の「列」を「行」に変えても同じことが成り立つ.

（証明）　 (1) 0 = an−an と線形性より, det(a1, . . . ,0) = det(a1, . . . ,an)−det(a1, . . . ,an) =

0. もしくは 0 = 0 · an とみて 0 倍を出しても良い.

(2) 同じベクトルを入れ換えれば符号が変わるが, 元と同じだから, これは 0 となる.

(3) 線形性と (2) より,

det(a1, . . . ,an + ca1) = det(a1, . . . ,an) + cdet(a1, . . . ,a1) = det(a1, . . . ,an).

最後の結果は次の定理から成り立つ.

定理 5.2 正方行列 A に対し, det(tA) = detA.

（証明） 　 A = (aij) として, tA = (bij) とおくと, bij = aji.

det(tA) =∑

(j1,...,jn)∼(1,...,n)

b1j1 · · · bnjn det(ej1 , . . . , ejn) =∑

aj11 · · · ajnn det(ej1 , . . . , ejn).

さらに, 積の順番を入れ換えにより (ji を小さい順に), aj11 · · · ajnn = a1ℓ1 · · · anℓn と表せる. ここ

で, (ℓ1, . . . , ℓn) は (j1, . . . , jn) の逆の並べ換えである. しかも次が成り立つ.

det(ej1 , . . . , ejn) = det(eℓ1 , . . . , eℓn).

14

実際, 2 つのベクトルの入れ換え (互換) を繰り返すことにより, (ej1 , . . . , ejn) を (e1, . . . , en) に変

える変換と全く逆の入れ換えを行うことにより, (eℓ1 , . . . , eℓn) が (e1, . . . , en) に変わるので, これ

らの行列式は同じ値 (−1)m (m は互換の数) になる.

定理 5.3 n 次行列 A,B に対し, det(AB) = (detA)(detB).

（証明）B = (b1, . . . , bn) として, AB = (Ab1, . . . , Abn) に注意して,

f(b1, . . . , bn) = f(B) := det(AB) = det(Ab1, . . . , Abn)

とおき, (b1, . . . , bn) の関数としてみる. A(cbi) = cAbi, A(bi + bj) = Abi + Abj から f は多重線

形性をみたす. また 2 つのベクトルの入れ換えで符合が変わる. よって, 行列式と同じように, 同

じベクトルがあれば = 0 になる. これらのことから

f(b1, . . . , bn) =∑

(j1,...,jn)∼(1,...,n)

b1j1 · · · bnjnf(ej1 , . . . , ejn).

ej1 , . . . , ejn を 2 つずつ入れ換える互換によって, e1, . . . , en に変えることができる. その変換に

よって f(e1, . . . , en) につく符号は, 丁度, det(ej1 , . . . , ejn) の値と同じになる (実際, その互換の

数を m とすると, どちらも (−1)m となる). 従って,

f(b1, . . . , bn) =∑

(j1,...,jn)∼(1,...,n)

b1j1 · · · bnjn det(ej1 , . . . , ejn)f(e1, . . . , en).

定義より, f(e1, . . . , en) = f(E) = detA なので, 上の式は (detB)(detA) となる.

系 5.1 正方行列 A が正則なら, detA = 0 で, det(A−1) = (detA)−1.

AA−1 = E の行列式を考えれば, 上の定理より, 明らか.

5.2 余因子展開

n 次行列 A の第 k 行と第 ℓ 列を取り除いた (n− 1) 次行列を Akℓ と表し, A の小行列という.

補題 5.1 次の n 次行列 A に対し, detA = detA11 が成り立つ.

A =

1 0 · · · 0

a21... A11

an1

（証明）A = (aij) とすると, A11 の (i, j) 成分は ai+1,j+1 なので,

detA11 =∑

(j2,...,jn)∼(2,...,n)

a2j2 · · · anjn det(ej2 , . . . , ejn).

一方,

detA =∑

(j1,j2,...,jn)∼(1,2,...,n)

a1j1a2j2 · · · anjn det(ej1 , ej2 , . . . , ejn)

において, j1 ≥ 2 なら a1j1 = 0 なので, j1 = 1 の和だけが残り, さらに a11 = 1 なので,

detA =∑

(j2,...,jn)∼(2,...,n)

a2j2 · · · anjn det(e1, ej2 , . . . , ejn)

ここで det(e1, ej2 , . . . , ejn) = det(ej2 , . . . , ejn) なので, 題意を得る.

15

系 5.2 n 次行列 A の第 k 行が (0, . . . , 1, 0, . . . , 0) (第 ℓ 成分が 1) なら, detA = (−1)k+ℓ detAkℓ.

（証明）第 k 行を前の行と順に入れ換えて行って,第 1行にまで持って行くと, (−1)k−1 倍がつく.

同様に, 第 ℓ 列を第 1 列に持って行くと, さらに (−1)ℓ−1 倍がつく. 従って, (−1)k+ℓ−2 = (−1)k+ℓ

倍となる.

定義 5.1 n 次行列 A と 1 ≤ i, j ≤ n に対し, ∆(A)ij = (−1)i+j detAij とおいて, A の (i, j) 余

因子 (cofactor) という.

定理 5.4 (第 i 行についての余因子展開) n 次行列 A と 1 ≤ i ≤ n に対し,

detA = ai1∆(A)i1 + ai2∆(A)i2 + · · ·+ ain∆(A)in =n∑

k=1

aik∆(A)ik.

定理 5.5 (第 j 列についての余因子展開) n 次行列 A と 1 ≤ j ≤ n に対し,

detA = a1j∆(A)1j + a2j∆(A)2j + · · ·+ anj∆(A)nj =n∑

k=1

akj∆(A)kj .

例題 5.1 A が 上三角行列 (i.e., i > j ⇒ aij = 0, 対角成分より下が全て 0) なら, detA =

a11a22 · · · ann となることを示せ.

転置をして下三角にすれば, 補題 5.1 より, 明らか.

5.3 逆行列，いろいろな行列式の計算

定義 5.2 n 次行列 A の余因子行列 (cofactor matrix) A = Cof(A) はその (i, j) 成分が余因子

∆(A)ji であるような行列として定義. 即ち, A = Cof(A) = t(∆(A)ij) =t((−1)i+j detAij).

定理 5.6 n 次行列 A に対し, A = Cof(A) として, AA = AA = (detA)E.

（証明）A = (aij) として,

(AA)ij =n∑

k=1

aikAkj =n∑

k=1

aik∆(A)jk = (detA)δij .

実際, i = j なら, 行についての余因子展開から detA と等しく, i = j なら, A の第 j 行を第 i

行の成分で置き換えた行列 A′ の第 j 行についての余因子展開となり, detA′ に等しいが, A′ は

第 i 行と第 j 行が同じなので, detA′ = 0 となる. 同様に, 列についての余因子展開を用いて,

(AA)ij = (detA)δij を得るので, 結局, AA = AA = (detA)E が成り立つ.

定理 5.7 n 次行列 A に対し, A が正則 ⇐⇒ detA = 0. このとき A−1 = Cof(A)/(detA).

証明は, 正則なら detA = 0 については既に示した (行列式の積を用いた). 他は間単に示せる (2

次のときと同様).

例題 5.2 n 次行列 A の逆行列の定義は, AX = XA = E なる n 次行列 X だったが, 実は, 一方

のみの AX = E または XA = E が成り立てば, A は正則で, A−1 = X となることを証明せよ.

16

定理 5.8 (Vandermonde (ヴァンデルモンド) の行列式)

det

1 1 · · · 1

x1 x2 · · · xn

x21 x2

2 · · · x2n

......

. . ....

xn−11 xn−1

2 · · · xn−1n

=∏i<j

(xj − xi). (xi が全て異なれば, この行列は正則.)

（証明）与えられた行列式を f(x1, . . . , xn) とおくと, x1, . . . , xn の多項式で, 1 ≤ i < j ≤ n に対

し, xj を xi に変えると,第 i列と第 j 列が同じになるので, f の値は 0になる. 従って, f は xi−xj

で割り切れる. これから, ∃g(x1, . . . , xn): 多項式; f(x1, . . . , xn) = g(x1, . . . , xn)∏

i<j(xj − xi). こ

こで, x1 についての次数をみる. 第 1 列についての余因子展開を考えれば, degx1f = n − 1 =

degx1

∏i<j(xj − xi) なので, degx1

g = 0 となる. 他の変数についても同様なので, 結局, g ≡ c 定

数のみとなる. 次に x01x

12 · · ·xn−1

n の係数を調べる. 余因子展開を順に考えていけば, f の方の係数

は 1 であることが分かる. また∏

i<j(xj −xi) の方は, (xn−x1)(xn−x2) · · · (xn−xn−1) · (xn−1−x1)(xn−1 − x2) · · · (xn−1 − xn−2) · · · (x3 − x1)(x3 − x2) · (x2 − x1) の展開にのみ現れ, しかも係数

はやはり 1 となる. 以上から g ≡ 1 となり, 求める結果を得る.

例題 5.3 (巡回行列式)

det

x1 x2 · · · xn

xn x1 · · · xn−1

......

. . ....

x2 x3 · · · x1

=∏

ζ∈C;ζn=1

(x1 + ζx2 + · · ·+ ζn−1xn).

[解]　 ζ1, . . . , ζn を 1 の n 乗根として, これによる Vandermonde の行列式との積を考える.∣∣∣∣∣∣∣∣∣∣x1 x2 · · · xn

xn x1 · · · xn−1

......

. . ....

x2 x3 · · · x1

∣∣∣∣∣∣∣∣∣∣

∣∣∣∣∣∣∣∣∣∣1 1 · · · 1

ζ1 ζ2 · · · ζn...

.... . .

...

ζn−11 ζn−1

2 · · · ζn−1n

∣∣∣∣∣∣∣∣∣∣

=

∣∣∣∣∣∣∣∣∣∣x1 + ζ1x2 + · · ·+ ζn−1

1 xn · · · x1 + ζnx2 + · · ·+ ζn−1n xn

xn + ζ1x1 + · · ·+ ζn−11 xn−1 · · · xn + ζnx1 + · · ·+ ζn−1

n xn−1

.... . .

...

x2 + ζ1x3 + · · ·+ ζn−11 x1 · · · x2 + ζnx3 + · · ·+ ζn−1

n x1

∣∣∣∣∣∣∣∣∣∣

=

∣∣∣∣∣∣∣∣∣∣x1 + ζ1x2 + · · ·+ ζn−1

1 xn · · · x1 + ζnx2 + · · ·+ ζn−1n xn

ζ1(x1 + ζ1x2 + · · ·+ ζn−11 xn) · · · ζn(x1 + ζnx2 + · · ·+ ζn−1

n xn)...

. . ....

ζn−11 (x1 + ζ1x2 + · · ·+ ζn−1

1 xn) · · · ζn−1n (x1 + ζnx2 + · · ·+ ζn−1

n xn)

∣∣∣∣∣∣∣∣∣∣

=n∏

i=1

(x1 + ζix2 + · · ·+ ζn−1i xn)

∣∣∣∣∣∣∣∣∣∣1 1 · · · 1

ζ1 ζ2 · · · ζn...

.... . .

...

ζn−11 ζn−1

2 · · · ζn−1n

∣∣∣∣∣∣∣∣∣∣.

この Vandermonde の行列式は 0 ではないので, 題意を得る.

17

例題 5.4 次の行列式を求めよ.

det

1 c · · · c

c 1 · · · c...

.... . .

...

c c · · · 1

: (対角成分が 1 で他は, 全て c).

[解]　 ζ ∈ C; |ζ| = 1 として, ζ = 1 のときは 1 + ζ + ζ2 + · · ·+ ζn−1 = 0 より, 1 + ζc+ ζ2c+

· · ·+ ζn−1c = (1− c) + c(1 + ζ + ζ2 + · · ·+ ζn−1) = 1− c となることに注意して, 巡回行列式の結

果を用いれば {1 + (n− 1)c}(1− c)n−1 を得る.

5.4 置換

置換とは n 個の並んだものを並べ換える操作のことをいうが, 数学的には次のように定義される.

Jn = {1, 2, . . . , n} として, 写像 σ : Jn → Jn が置換 (permutation)def⇐⇒ σ が Jn 上の全単射, i.e.,

i = j なら σ(i) = σ(j). これを σ =

(1 2 · · · nj1 j2 · · · jn

)と表す. ここで ji = σ(i) である. この全体を

Sn として, n 次対称群 (n-dimensional symmetric group) という. また ∀i ∈ Jn, σ(i) = i なるものを恒等置換といい, id と表す. σ ∈ Sn の逆写像を逆置換といい, σ−1 で表す. 2 つの置換 σ, τ ∈ Sn に対し, 積στ ∈ Sn を (στ)(i) = σ(τ(i)) で定義する (即ち, στ = σ ◦ τ ; 積 =写像の合成). 一般に, στ と τσ は等しいとは限らない. また i, j ∈ Jn; i = j に対し, i と j のみを入れ換える置換を互換 (transposition) といい,特に (i, j) or (j, i) と表す.前に問として述べたが, 帰納法により, 次の定理が成り立つ.

定理 5.9 n ≥ 2 のとき, 任意の置換 σ ∈ Sn はいくつかの互換の積で表せる.

定義 5.3 σ ∈ Sn に対し, m = ♯{(i, j); 1 ≤ i < j ≤ n, σ(i) > σ(j)}: 大小が逆転する数字の組 (i, j) の個数を σ の反転数といい, さらに sgn(σ) = (−1)m を σ の符合 (signature)という.

定義 5.4 n ≥ 2 に対し, 変数 x1, x2, . . . , xn の多項式∆n =∏

1≤i<j≤n

(xi − xj) を x1, x2, . . . , xn の差積とい

う. また σ ∈ Sn に対し, σ(∆n) =∏

1≤i<j≤n

(xσ(i) − xσ(j)).

定理 5.10 (1) σ(∆n) = sgn(σ)∆n (2) (στ)(∆n) = σ(τ(∆n)) (3) sgn(στ) = sgn(σ)sgn(τ).

（証明）(1) 定義から集合として {{i, j}; 1 ≤ i < j ≤ n} = {{σ(i), σ(j)}; 1 ≤ i < j ≤ n} なので, ∆n

と σ(∆n) の違いは, 変数の引く順の違いだけである. 即ち, それは i < j に対し, σ(i) > σ(j) のときの項xσ(i) − xσ(j) の違いだけである. その数は σ の反転数 m そのものなので, 求める式を得る. (この結果から,逆にこの式によって, 符号 sgn(σ) を定義しても良い.) (2) は積 στ と σ(∆n) の定義から明らか. (3) は (1),(2) からすぐ分かる. 実際, sgn(στ)∆n = (στ)(∆n) = σ(τ(∆n)) = sgn(σ)τ(∆n) = sgn(σ)sgn(τ)∆n.

定理 5.11 σ ∈ Sn が互換の積で表されているとき, σ = τ1τ2 · · · τm (τi は互換) なら sgn(σ) = (−1)m. つまり置換を互換の積で表したとき, その表し方によらず, その個数の偶奇性は一定である.

（証明）上の定理の (3) から sgn(σ) = sgn(τ1) · · · sgn(τm) = (−1)m. また, σ = τ ′1τ

′2 · · · τ ′

ℓ (τ ′i は互換) と

表されたとすると, (−1)m = sgn(σ) = (−1)ℓ となり, m, ℓ の偶奇性は一致する.

この定理により, σ ∈ Sn を sgn(σ) = 1 のとき, 偶置換, sgn(σ) = −1 のとき, 奇置換という. 特に, 互換(i, j) (i = j) は奇置換である.

定理 5.12 置換 σ =

(1 2 · · · ni1 i2 · · · in

)に対し, det(ei1 , . . . , ein) = sgn(σ−1) = sgn(σ).

（証明）まず 1 = sgn(id) = sgn(σ)sgn(σ−1) より, sgn(σ) = sgn(σ−1). さらに σ−1 = τ1τ2 · · · τm(τi は互換) と表すと, 行列式は 2 つのベクトルの入れ換えで (−1) 倍となるので, det(ei1 , . . . , ein) =(−1)m det(e1, . . . , en) = (−1)m = sgn(σ−1) = sgn(σ).

18

6 掃き出し法 (Sweeping out method)

6.1 連立一次方程式の計算，逆行列の計算

[行基本変形] 次のような連立方程式を考える.a11x1 + a12x2 + · · ·+ a1nxn = b1

a21x1 + a22x2 + · · ·+ a2nxn = b2...

an1x1 + an2x2 + · · ·+ annxn = bn

これを解くとき, 次のような変形を行うことにより, 解が求まる.

　 (1) ある式の定数倍を他の行に加える. 　 (2) 式を入れ換える. 　 (3) 式を 0 以外で定数倍する.

そこで, 対応する行列を a11 a12 · · · a1n b1

a21 a22 · · · a2n b2...

.... . .

......

an1 an2 · · · ann bn

として, 次の操作を考える.

　 (1) ある行の定数倍を他の行に加える. 　 (2) 行を入れ換える. 　 (3) 行を 0 以外で定数倍する.

この操作を 行基本変形 という.

[掃き出し法] 行基本変形により, 上の行列が1 O c1r+1 · · · c1n d1

. . ....

. . ....

...

O 1 crr+1 · · · crn dr

O O 0

という形になれば, 解は次で与えられる.

x1 = −c1r+1xr+1 − · · · − c1nxn + d1...

xr = −crr+1xr+1 − · · · − crnxn + dr

xr+1, . . . , xn は不定（任意定数）

このやり方を掃き出し法という.

[逆行列の計算] 　連立方程式を解くのと同じ考え方で, 逆行列を求めることもできる.

n 次行列 A に対し, AX = E なる n 次行列 X = (x1, . . . ,xn) を求めることは, 連立方程式

Axj = ej をとくことと同じである. 従って, n× 2n 行列 (A | E) が行基本変形で (E | X) という

形になったとすると, この X が A の逆行列, i.e, X = A−1 となる.

またもし, A の部分が E に変形できないときは, A は逆行列を持たないということになる.

19

6.2 行列のランクの計算，基本行列

行基本変形と同様に列に対しても, 次の操作が考えられる.

　 (1) ある列の定数倍を他の行に加える. 　 (2) 列を入れ換える. 　 (3) 列を 0 以外で定数倍する.

この操作を 列基本変形 といい, 行のと合わせて, 基本変形という.

定理 6.1 任意の m × n 行列 A に, 基本変形を何度か施すことにより,

(Er O

O O

)の形にする

ことができる.

（証明）まず A = O なら明らかなので, A = O とする. 行, または, 列の入れ換えにより, a11 = 0

とできる. 第 1 行を 1/a11 倍して, (1, 1) 成分を 1 にすれば, 第 1 行を何倍かして, 他の行から引

けば, 第 1 列の他の成分は全て 0 にできる. 同様に列への操作で, 第 1 行の他の成分も全て 0 にで

きる. 後は同様にして行けば, 0 でない成分がある限りは, 上の操作を続け, 残りが全て 0 になれば

そこで終わるので, 求める結果を得る.

上の定理で実は, r の一意性も成り立つのだが, その証明は, ここではまだできない. 7 章, 8 章

(次の章とその次) の抽象的なベクトル空間の基底や次元, さらに線形写像の次元定理や階数の概念

を必要とする. ただ, それを認めれば, 次の定義ができる.

定義 6.1 m × n 行列 A が基本変形により,

(Er O

O O

)の形に変形できるとき, r を A の階数

(rank) といい, rank A と表す.

明らかに rank A ≤ m ∧ n = min{m,n}.

[基本行列]　

定義 6.2 次の 3 つの n 次行列を n 次基本行列という.

　 (1) P (i, j; c) は単位行列 En の (i, j) 成分を 0 から c に変えたもの. (i = j)

　 (2) Q(i, j) は単位行列 En の第 i 行と第 j 行を入れ換えたもの.

　 (3) R(i; c) は単位行列 En の (i, i) 成分の 1 を ｃ に変えたもの. (c = 0)

P (i, j; c) = En + cEij , Q(i, j) = (En − Eii − Ejj) + Eij + Eji, R(i; c) = (En − Eii) + cEii.

明らかなこととして, m× n 行列 A に対し, 行基本変形＝左から m 次基本行列をかけること,

列基本変形＝右から n 次基本行列をかけることで, 実際,

　 P (i, j; c)A: A の第 i 行 +c 第 j 行,

　 Q(i, j)A: A の第 i 行 ↔ 第 j 行,

　 R(i; c)A: A の第 i 行 ×c.

となり, 逆も列に対し, 同様である.

例題 6.1 基本行列 P (i, j; c), Q(i, j), R(i; c) が正則であることを示せ.

P (i, j;−c), Q(i, j), R(i; 1/c) が逆行列となる. 例えば,(1 c

0 1

)(1 −c

0 1

),

(0 1

1 0

)(0 1

1 0

),

(c 0

0 1

)(1/c 0

0 1

)を計算してみれば良い.

20

定理 6.2 任意のm×n行列 Aに対し, ∃Q: m次正則行列, ∃P : n次正則行列; QAP =

(Er O

O O

)の形にすることができる.

（証明）実際, 左から基本行列のいくつかを施すことにより, それを Q とすれば, m 次正則行列

で, QA =

(Er ∗O O

)となり, さらに右から基本行列のいくつかを施すことにより, それを P と

すれば, n 次正則行列で, QAP =

(Er ∗O O

)P =

(Er O

O O

).

定理 6.3 n 次行列 A が正則 ⇐⇒ rank A = n.

（証明）A が正則なら, 前節の逆行列の計算から, (A | E) が行基本変形で (E | A−1) にでき

る. 従って, rank (A) = n. 逆は, 上の定理から明らか. 実際, rank (A) = n なら ∃P,Q: 正則;

QAP = E で, A = Q−1P−1 となり, これは正則.

[一般逆行列の計算]

定理 6.4 A を m× n 行列として, (m+ n)× (m+ n) 行列(

A Em

En O

)は最初の m 行への行基本変形

と, 最初の n 列への列基本変形によって,

(F Q

P O

)とできる. ここで, F =

(Er OO O

)(r = rank A).

このとき, QAP = F が成り立つ.

（証明）まず, 基本変形の定理から, ∃Q: m 次正則行列, ∃P : n 次正則行列; QAP = F とできる. そこで,(Q O

O En

)(A Em

En O

)(P O

O En

)=

(QA Q

En O

)(P O

O En

)=

(QAP Q

P O

).

最初の行列が, 最初の m 行への基本変形で, 3 つ目の行列が, 最初の n 列への基本変形であることは明らかで, これから題意を満たすことが分かる.

定理 6.5 上の定理において, X = P tFQ とおくと, AXA = A をみたす.

（証明）まず, F tFF = F となることに注意しておく. AP = Q−1F,QA = FP−1 を用いて, AXA =A(P tFQ)A = (AP )tF (QA) = (Q−1F )tF (FP−1) = Q−1(F tFF )P−1 = Q−1FP−1 = A.

定義 6.3 m× n 行列 A に対して, n×m 行列 X が AXA = A をみたすとき, X を A の一般逆行列といい, A− と表す.

上の定理から, これはいつでも存在し, しかも, 次のことから, 逆行列の一般化であることも分かる.

系 6.1 A が正則なら, A− = A−1.

前期期末試験 (置換は除く)

21